Możliwości informatyki kwantowej do poprawy dokładności modelowania. Część 1 – Kwantowy algorytm ewolucyjny

• Autorzy: Tchórzewski J.

Warianty tytułu

EN

Possibility of quantum computer to improve accuracy of modeling. Part 2. Quantum evolutionary algorithm

• Konferencja: Computer Applications in Electrical Engineering (18-19.04.2016 ; Poznań, Polska)
• Języki publikacji: PL

Abstrakty

PL

W pracy zamieszczono wybrane wyniki badania wykorzystania informatyki kwantowej do zwiększenia stopnia dokładności algorytmów ewolucyjnych poprawiających parametry modeli neuronalnych systemów, co zostało zweryfikowane na wybranych przykładach takich systemów jak m.in. ruch robota PR-02. W modelowaniu neuronalnym wykorzystuje się sztuczne sieci neuronowe, które projektuje się, a następnie uczy modeli systemów na bazie danych liczbowych. Parametry sztucznych sieci neuronowych, a zwłaszcza elementy macierzy wag, biasów i parametry funkcji aktywacji można poprawiać za pomocą algorytmów ewolucyjnych. Okazuje się, że wprowadzenie rozwiązań z zakresu informatyki kwantowej do algorytmów ewolucyjnych, a zwłaszcza dotyczących tworzenia kwantowej populacji początkowej, kwantowych operatorów krzyżowania i mutacji oraz kwantowej selekcji znacznie poprawia dokładność paramentów modeli neuronalnych, co zostało zweryfikowane w środowisku MATLABA i Simulinka.

EN

The paper presents selected results of the use of quantum computing to increase the degree of accuracy of evolutionary algorithms to improve the performance of models of neuronal movement of the end of the robot arm PR-02. For modeling, neural used SSN, which are designed and taught system models based on figures. ANN parameters, especially the elements of the matrix weights, biases, and the parameters of the activation function can be improved by using evolutionary algorithms. It turns out that the introduction of solutions in the field of quantum computing to evolutionary algorithms, especially for the creation of quantum initial population, quantum operators crossover and mutation, and quantum selection greatly improves the accuracy of modeling, as has been verified in the environment MATLAB and Simulink.

Słowa kluczowe

PL

algorytmy ewolucyjne; informatyka kwantowa; modelowanie systemów; sztuczne sieci neuronowe; środowisko MATLABA i Simulinka

• Wydawca: Wydawnictwo Politechniki Poznańskiej
• Czasopismo: Poznan University of Technology Academic Journals. Electrical Engineering
• Rocznik: 2016
• Tom: No. 88
• Strony: 133--141
• Opis fizyczny: Bibliogr. 27 poz., rys.

Twórcy

autor

Tchórzewski J.

• Uniwersytet Przyrodniczo-Humanistyczny w Siedlcach

Bibliografia

• [1] Albert F.Y.C., Koh S.P., Chen C.P., Tiong S.K., Edwin S.Y.S., Optimizing Joint Angles of Robotic Manipulator Using Genetic Algorithm, IACSIT Press, wyd. 2, Singapur 2011.
• [2] Gieleciński Ł., Implementacja kwantowej sieci neuronowej, Praca magisterska napisana pod kierunkiem dr inż. Jerzego Tchórzewskiego w Katedrze Sztucznej Inteligencji Instytutu Informatyki na Wydziale Nauk Ścisłych, UPH, Siedlce 2012.
• [3] Giaro K., Kamiński M., Wprowadzenie do algorytmów kwantowych, Akademicka Oficyna Wydawnicza EXIT, Warszawa 2003.
• [4] Giergiel J., Hendzel Z., Krzepkie algorytmy sterowania ruchem nadążnym mobilnych robotów kołowych, Materiały: Warsztaty mobilnych robotów, IPPT PAN, Warszawa, 1997, ss. 65-72.
• [5] Heller M., Mechanika kwantowa dla filozofów, OBI, Kraków 1996.
• [6] Hendzel Z., Żylski W., Krzepki obserwator uogólnionych prędkości mobilnego robota kołowego, Materiały VI Krajowej Konferencji Robotyki, Wrocław 1998, ss. 22-29.
• [7] Hendzel Z., Sterowanie krzepkie ruchem nadążnym mobilnego robota kołowego, Materiały XV Ogólnopolskiej Konferencji Naukowo-Dydaktycznej Teorii Maszyn i Mechanizmów, Białystok/Białowieża, 1996, ss. 441-447.
• [8] Hirvensalo M., Algorytmy kwantowe, WSiP, Warszawa 2004.
• [9] Jurkowski B., Implementacja kwantowego algorytmu ewolucyjnego z systemową populacją początkową, Praca magisterska napisana pod kierunkiem dr inż. Jerzego Tchórzewskiego w Katedrze Sztucznej Inteligencji Instytutu Informatyki na Wydziale Nauk Ścisłych, UPH, Siedlce 2009.
• [10] Kaczorek T., Podstawy teorii sterowania, WNT, Warszawa 2005.
• [11] Kłopotek M.A., Techniczne zastosowanie strategii ewolucyjnych, IPI PAN, Warszawa 1999.
• [12] Kwaśnicka H., Obliczenia ewolucyjne w sztucznej inteligencji, PWr., Wrocław 1999.
• [13] Michalewicz Z., Algorytmy genetyczne + struktury danych = programy ewolucyjne, WNT, Warszawa 1999.
• [14] Osowski S., Modelowanie układów dynamicznych z zastosowaniem języka Simulink, OWPW, Warszawa 1999.
• [15] Owczarczyk P., Model i implementacja kwantowych sieci neuronowych do przetwarzania informacji, Praca magisterska napisana pod kierunkiem dr inż. Jerzego Tchórzewskiego w Katedrze Sztucznej Inteligencji Instytutu Informatyki, Wydział Nauk Ścisłych, AP, Siedlce 2006.
• [16] Pittenger A.O., An Introduction to Quantum Computing Algorithms, Birkhauser, Boston 2000.
• [17] Szkodny T., Kinematyka Robotów Przemysłowych, Wydawnictwo Politechniki Śląskiej, Gliwice 2013.
• [18] Szkodny T., Modele matematyczne ruchu manipulatorów robotów przemysłowych na potrzeby sterowania, Wydawnictwo Politechniki Śląskiej Zeszyty Naukowe serii Automatyka, nr 112, Gliwice 1993.
• [19] Tchórzewski J., Wołynka Ł., Możliwości informatyki kwantowej do poprawy dokładności modelowania. Część 2. Kwantowy algorytm ewolucyjny ruchu robota PR-02, Poznan University of Technology. Academic Journal. Wyd. PP, Poznań 2016 (w procesie wydawniczym).
• [20] Tchórzewski J., Wąsowski A., Systemowy algorytm ewolucyjny SAE w generowaniu rozwoju rynku energii elektrycznej, Materiały V Międzynarodowej Konferencji Naukowo-Technicznej ENERGETYKA. PWr., Wrocław 2008.
• [21] Tchórzewski J., Systemowy Algorytm Ewolucyjny (SAE). Bio-Algorithms and Med-Systems, Journal Edited by Collegium Medicum. Vol. 1, No. 1/2/2005, UJ, Kraków 2005, pp. 61-64.
• [22] Tchórzewski R.J, Ruciński A., Model i implementacja systemowego algorytmu ewolucyjnego do poszukiwania nowego stanu systemu elektroenergetycznej sieci przesyłowej. Studia Informatica, Systemy i technologie informacyjne. UPH, Siedlce 2005, nr 1 (5), ss. 59-67.
• [23] Tchórzewski J., Owczarczyk P., Model and Implementation of Quantum Neural Network for Transfer Knowledge about Electricity Market, Studia Informatica, Vol. 3-4 (7) 2007, AP, Siedlce 2007.
• [24] Tchórzewski J., Systemic Method of Structure and Parameters Researching for Beginning Population Building of Evolving Algorithm SAE on the Example of Electricity Market, Polish Journal of Environmental Studies, Vol. 17, No 2A, 2008, pp. 86-89.
• [25] Tchórzewski J., Owczarczyk P., Model i implementacja kwantowej sieci neuronowej do przetwarzania wiedzy o rynku energii elektrycznej, Computer Application in Eectrical Engineering, Poznan University of Technology, Poznań 2007.
• [26] Wołynka Ł., Model i implementacja kwantowego algorytmu ewolucyjnego na przykładzie ruchu robota PR-02, Praca magisterska napisana pod kierunkiem prof. nzw. dr hab. inż. Jerzego Tchórzewskiego w Zakładzie Modelowania i Projektowania Systemów Informatycznych Instytutu Informatyki na Wydziale Nauk Ścisłych, UPH, Siedlce 2015.
• [27] Żakowicz P., Model i implementacja kwantowego algorytmu ewolucyjnego do poprawy parametrów modelu robota PR-02, Praca inżynierska napisana pod kierunkiem prof. nzw. dr hab. inż. Jerzego Tchórzewskiego w Zakładzie Modelowania i Projektowania Systemów Informatycznych Instytutu Informatyki na Wydziale Nauk Ścisłych, UPH, Siedlce 2014.

Uwagi

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę.

W tytule polskim artykułu "Część 1", w tytule angielskim "Part 2"